Grok acertó 190 de los 317 veredictos sobre la veracidad de publicaciones virales analizados en una auditoría del Mundial de 2026 en X. El 40 % restante fue incorrecto o parcialmente correcto. Los resultados fueron especialmente desiguales según el formato del contenido: hubo menos aciertos ante imágenes y vídeos que ante afirmaciones escritas.
Qué examinó la auditoría de Grok
Fundación Maldita.es y la Universidad de Jaén analizaron respuestas de Grok a publicaciones de X relacionadas con el Mundial de la FIFA 2026. Journalism Science Alliance financió el estudio. Las publicaciones de la muestra se registraron entre el 13 de junio y el 20 de julio de 2026; Maldita.es publicó los resultados el 27 de octubre.
El equipo agrupó 139 publicaciones en 46 afirmaciones y reunió 766 consultas: 556 de los investigadores y 210 de otros usuarios. Grok respondió a 358. La auditoría fue una observación de caja negra, es decir, los investigadores evaluaron las respuestas sin acceder al funcionamiento interno del modelo.
Cuántas veces respondió Grok y cuántos veredictos acertó
Ante las 278 preguntas sistemáticas del equipo que preguntaban si una publicación era real, Grok respondió a 107, el 38,5 %. Esa tasa corresponde a esas consultas concretas. En los 317 veredictos de veracidad analizados, 190 fueron correctos (59,9 %), 85 incorrectos (26,8 %) y 42 parcialmente correctos (13,2 %).
El estudio también calculó una media de aciertos del 66,8 % por afirmación. Esa cifra pondera cada afirmación por igual; el 59,9 % cuenta respuestas individuales. Son medidas distintas del mismo conjunto de resultados.
Imágenes y vídeos frente a afirmaciones escritas
Grok acertó menos al evaluar imágenes y vídeos que al responder sobre afirmaciones escritas, según las categorías definidas por la auditoría.
| Tipo de contenido | Respuestas correctas | Respuestas evaluadas | Aciertos |
| Imágenes y vídeos | 121 | 245 | 49,4 % |
| Afirmaciones escritas | 69 | 72 | 95,8 % |
La categoría de afirmaciones escritas también incluía textos acompañados de imágenes o reproducidos en capturas. Entre las respuestas incorrectas o parcialmente correctas sobre imágenes y vídeos, 81 de 127 (63,8 %) no identificaron que el contenido había sido manipulado digitalmente o generado con inteligencia artificial.
El estudio observó también más respuestas incorrectas ante preguntas abiertas que ante preguntas directas sobre veracidad: el 59,7 % frente al 17,4 %. Para contenido sintético o manipulado, las proporciones fueron del 80,5 % y el 31,4 %. Los investigadores describieron este patrón como exploratorio: las diferencias entre grupos no permiten atribuir por sí solas el resultado a la forma de redactar la pregunta.
Contradicciones, fuentes y correcciones
Entre las 38 afirmaciones que recibieron varias respuestas, 24 obtuvieron una mezcla de veredictos correctos e incorrectos o parcialmente correctos. Grok se contradijo en 16; 15 de esas contradicciones se produjeron antes de que Maldita.es publicara una verificación de la afirmación.
Las respuestas también ofrecieron pocas referencias comprobables: solo tres de las 358 incluyeron un enlace al documento que respaldaba el veredicto. El 45,3 % no citó fuentes y el 21,2 % dio referencias genéricas.
En la comparación sistemática antes y después de la publicación de una verificación, el porcentaje de aciertos pasó del 63,9 % al 69,6 %. De 22 publicaciones que Grok había evaluado inicialmente de forma incorrecta, corrigió su respuesta en tres casos, no volvió a responder en 14 y mantuvo el error en cinco. Fundación Gabo informó por separado de otro caso: tras identificar inicialmente como imágenes de Kabul de 2021 las del ataque a una escuela de Minab del 28 de febrero de 2026, Grok corrigió la identificación y citó geolocalizaciones.
Qué alcance tienen estos resultados
La auditoría se centró en publicaciones relacionadas con un único acontecimiento. Maldita.es advirtió que sus resultados no se pueden extrapolar sin más a otros temas o versiones de Grok. La comparación entre preguntas abiertas y directas tampoco identifica por sí sola qué factor produjo las diferencias observadas.
